学术社交网络问答质量智能评价与服务优化研究
来源：图书情报工作杂志2021年第6期北京时间：
作者：严炜炜,黄为,温馨
单位：武汉大学信息管理学院 武汉 430072
摘要：[目的/意义] 学术社交网络所提供的问答服务已成为学者们快速获取学术信息、解决学术问题的重要途径，实现基于机器学习的问答质量智能评价和服务优化对学术社交网络中优质内容传播具有重要意义。[方法/过程] 以ResearchGate问答服务为研究对象，从结构化特征、内容特征、其他特征以及回答者特征4个维度构建答案质量评价体系，利用机器学习方法和数据增强技术进行答案质量分类预测。[结果/结论] SMOTE算法在处理不平衡样本时具备有效性；支持向量机在单一模型预测中，取得出色的分类效果；组合模型使预测精度得到进一步提升，基于随机森林、支持向量机、BP神经网络构建的组合模型分类性能最佳，以此为基础可通过搭建问答质量智能评价系统实现学术社交网络问答服务优化。
关键词：答案质量评价,问答服务,学术社交网络,机器学习,
基金资助：本文系国家自然科学基金青年项目"群体差异视角下学术社交网络用户交互与合作机制研究"（项目编号：71904148）研究成果之一。
